MétaCan
Menu
Retour à la cohorte
Enregistrement W2948941684

Évaluation de l’efficacité de méthodes de guidance en assistance technologique lors de la complétion d’un chèque chez des personnes atteintes de la maladie d’Alzheimer aux stades léger et modéré en fonction de leurs capacités mnésiques

2019· article· fr· W2948941684 sur OpenAlexaboutno aff
Jessica Lapointe

Notice bibliographique

RevueConstellation (Université du Québec à Chicoutimi) · 2019
Typearticle
Languefr
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesChequeArtPolitical scienceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La maladie d’Alzheimer est un enjeu de santé publique majeur puisque sa prévalence augmente avec le vieillissement de la population et ses symptômes engendrent des déficits fonctionnels importants qui causent une lourdeur significative pour les aidants naturels et, par conséquent, mènent à l’institutionnalisation des personnes atteintes. Pour des raisons économiques et sociales, le Ministère de la Santé et des Services Sociaux du Québec se positionne en faveur du maintien à domicile des personnes atteintes de cette maladie, notamment, à l’aide des technologies d’assistance afin d’améliorer leur autonomie. La présente recherche s’inscrit dans ce contexte et elle a été effectuée dans le cadre des projets de recherche du Laboratoire d’intelligence ambiante pour la reconnaissance d’activités (LIARA) à l’Université du Québec à Chicoutimi (UQAC). Elle vise à tester l’efficacité de deux types d’indices technologiques d’assistance (c.-à-d., verbal et vidéo) dans l’aide à la complétion d’un chèque pour des personnes atteintes de la MA aux stades léger et modéré. Elle vise également à explorer les liens entre certaines capacités mnésiques (mémoire épisodique verbale et visuelle; mémoire de travail verbale et visuo-spatiale) des participants et l’efficacité de ces deux types d’indices technologiques. Treize participants ont effectué une tâche de complétion d’un faux chèque pour payer une fausse facture d’électricité. Ils ont effectué cette tâche deux fois afin de tester l’efficacité de chacun des indices technologiques (c.-à-d., verbal et vidéo). Lorsqu’un participant effectuait une erreur, un indice technologique lui était envoyé afin de l’aider à réaliser l’étape de la tâche en cours. Des tests neuropsychologiques ont également été administrés aux participants pour évaluer leurs capacités mnésiques. Des analyses statistiques exploratoires de type régression logistique binomiale ont été effectuées. Les résultats ne permettent pas de mettre en évidence la supériorité d’une modalité d’indice par rapport à l’autre sur l’efficacité des différents indices pour l’ensemble des participants de cette recherche ce qui va à l’encontre de la littérature. Ils permettent plutôt de mettre en évidence l’importance de prendre en considération les habiletés en mémoire épisodique verbale et en mémoire épisodique visuelle des personnes atteintes de la MA aux stades léger et modéré dans le choix de l’indice technologique à privilégier comme aide à la complétion d’un chèque. En effet, plus la mémoire épisodique verbale des personnes atteintes de la MA est bonne, moins l’indice verbal est efficace. Au contraire, plus la mémoire épisodique visuelle des personnes atteintes de la MA est bonne, plus l’indice verbal est efficace. Les résultats de la présente expérimentation permettent aussi de mettre en lumière le lien positif entre le nombre de fois auquel un individu est exposé à un indice et son efficacité autant pour les modalités verbale et vidéo des indices technologiques.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,270
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstellation (Université du Québec à Chicoutimi)Même sujetCognitive Science and MappingTravaux en français237 207